击上方△头像可进入主页，进入专栏了解更多精彩内容~

人群计数统计

论文名称：

Learning from Synthetic Data for Crowd Counting in the Wild

论文链接：

https://arxiv.org/abs/1805.08657

源码链接：

https://github.com/gjy3035/GCC-SFCN

论文简介：

条件生成对抗网络(cGAN)导致条件图像生成任务的大幅改进，这是计算机视觉的核心。到目前为止，主要关注的是性能改进，而使cGAN对噪声更具鲁棒性的努力很少。回归(生成器)可能导致输出中任意大的错误，这使得cGAN对于实际应用程序不可靠。在这项工作中，引入了一种新的条件GAN模型，称为RoCGAN，它利用模型目标空间中的结构来解决问题。

GCC数据集由15,212幅图像组成，分辨率为1080×1920，包含7,625,843人。 与现有数据集相比，GCC是图像数量和人数的更大规模的人群计数数据集。该项目在GCC数据集上复制了一些经典网络(mcnn、csrnet、sanet等)和一些基准网络(alexanet、vgg、resnet等)。

人体姿态估计

论文名称：

PifPaf: Composite Fields for Human Pose Estimation

论文链接：

https://arxiv.org/abs/1903.06593

源码链接：

https://github.com/vita-epfl/openpifpafwebdemo

论文简介：

提出了一种新的自下而上的方法，用于多人2D人体姿态估计，特别适用于城市交通，如自动驾驶汽车和交付机器人。 新方法PifPaf使用部件强度场(PIF)来定位身体部位，使用部件关联域(PAF)将身体部位相互关联以形成完整的人体姿势。 该方法在低分辨率和拥挤，杂乱和遮挡的场景中优于以前的方法。

---

更多内容，请关注微信公众号：码科智能，Mark.AI专栏简介:

首个深度学习垂直领域资源推荐专栏，更新内容主要为人工智能与深度学习领域的论文开源源代码，用知识修炼心灵，以智慧对话世界，在这里，持续感受人工智能技术的魅力。

Mark.AI专栏推荐：

►「码上十点」十月份机器学习最火的四篇文章

►「码上一课」快而准，经典的轻量级深度神经网络(论文代码)

►「码上一课」2018计算机视觉顶会论文及源代码分享